I ricercatori della North Carolina State University e di Collaborations Pharmaceuticals hanno creato un database gratuito di 14, 000 macrolattoni noti, grandi molecole utilizzate nello sviluppo di farmaci, che contengono informazioni sulle caratteristiche molecolari, diversità chimica e attività biologiche di questa classe strutturale. La banca dati, chiamato Macrolattone DB, colma una lacuna di conoscenza riguardo a queste molecole e potrebbe servire come strumento utile per la futura scoperta di farmaci.

I macrolattoni sono molecole con almeno 12 atomi che compongono la loro struttura ad anello. Tra le tante utili caratteristiche, la capacità dei macrolattoni di legarsi a bersagli proteici difficili li rende adatti per antivirali, antibiotico, farmaci antimicotici e antiparassitari. Però, le loro dimensioni e la loro struttura complicata li rendono difficili da sintetizzare.

"I macrolattoni sono molecole titaniche:le loro dimensioni rappresentano una sfida per i ricercatori che potrebbero voler lavorare con loro, "dice Sean Ekins, CEO di Collaborations Pharmaceuticals, membro dell'Istituto di medicina comparata dello Stato NC, imprenditore residente presso la Eshelman School of Pharmacy di UNC-Chapel Hill e corrispondente autore della ricerca. "Volevamo affrontare questo problema creando un database pubblicamente disponibile di queste molecole e delle loro proprietà".

Studente laureato della NC State e primo autore dell'articolo Phyo Phyo Zin ha estratto 13 database pubblici per 14, 000 macrolattoni noti, compilandoli in MacrolactoneDB. Solo il 20% dei composti di macrolattone che ha curato aveva dati biologici associati.

Zin, Ekin, e il professore associato di chimica dello stato NC Gavin Williams hanno condotto analisi cheminformatiche delle proprietà molecolari dei macrolattoni e hanno sviluppato 91 descrittori per caratterizzare meglio le molecole. I ricercatori hanno quindi esaminato tre obiettivi di interesse per alcuni dei macrolattoni, in particolare la malaria, cellule dell'epatite C e T e ha utilizzato tecniche di apprendimento automatico per comprendere la relazione struttura-attività tra i macrolattoni e questi bersagli.

"Sappiamo che i farmaci macrolattone sono efficaci, ma ci sono molte cose che non sappiamo su cosa ne renda una buona, " Williams dice. "Ecco perché abbiamo deciso di fare questa ricerca. Abbiamo scoperto che è possibile utilizzare l'apprendimento automatico con queste molecole, e migliorare la nostra analisi e descrizione dei macrolattoni migliorerà i modelli di previsione in futuro".

"Chiunque sia interessato a queste molecole o allo sviluppo di farmaci che utilizzano macrolattoni ora ha un database di facile utilizzo in cui tutto è accessibile e in un'unica posizione, " Ekins dice. "I ricercatori possono porre domande su ciò che rende una particolare molecola di macrolattone adatta per una particolare applicazione biologica.

"Speriamo che MacrolactoneDB ci aiuti a comprendere questa diversa classe di molecole, e andare avanti nella creazione di nuovi."